PROSAGA码农传奇-模式识别-所有这些OpenCV Python接口有什么不同？

<div class =“post-text”itemprop =“text”>
  
    正式地，OpenCV发布了两种类型的Python接口，
     <code>
 cv
 </code>
     和
     <code>
 cv2
 </code>
    。
  
  
    的
      简历：
    </强>
  
  
    我开始工作了
     <code>
 cv
 </code>
    。在此，所有OpenCV数据类型都保留。例如，加载时，图像是格式的
     <code>
 cvMat
 </code>
    ，与C ++相同。
  
  
    对于数组操作，有几个函数，如
     <code>
 cvSet2D
 </code>
    ，
     <code>
 cvGet2D
 </code>
    等等。有些讨论说，它们比较慢。
  
  
    对于imageROI，您需要特殊功能，如
     <code>
 cvSetImageROI
 </code>
    。
  
  
    如果你发现轮廓，
     <code>
 cvSeq
 </code>
     与Python列表或NumPy数组相比，返回的结构不太合适。
  
  
    （我认为，很快它的发展就会停止。早些时候，只有
     <code>
 cv
 </code>
    。后来，OpenCV随之而来
     <code>
 cv
 </code>
     和
     <code>
 cv2
 </code>
    。现在，在最新版本中，只有
     <code>
 cv2
 </code>
     模块，和
     <code>
 cv
 </code>
     是里面的子类
     <code>
 cv2
 </code>
    。你需要打电话
     <code>
 import cv2.cv as cv
 </code>
     访问它。）
  
  
    的
      CV2：
    </强>
  
  
    最新的是
     <code>
 cv2
 </code>
    。在这里，一切都归还为
     <code>
 NumPy
 </code>
     对象喜欢
     <code>
 ndarray
 </code>
      和
     <code>
 native Python
 </code>
     对象喜欢
     <code>
 lists
 </code>
    ，
     <code>
 tuples
 </code>
    ，
     <code>
 dictionary
 </code>
    等等。由于这个NumPy的支持，你可以在这里做任何numpy操作。
     <code>
 NumPy
 </code>
     是一个高度稳定和快速的阵列处理库。
  
  
    例如，如果您加载图像，则
     <code>
 ndarray
 </code>
     退回。
  
  
     <code>
 array[i,j]
 </code>
     给出（i，j）位置的像素值。
  
  
    此外，对于imageROI，可以使用数组切片
     <code>
 ROI=array[c1:c2,r1:r2]
 </code>
    。无需单独的功能。
  
  
    要添加两个图像，不需要调用任何函数，只需这样做
     <code>
 res = img1+img2
 </code>
    。 （但NumPy的添加是uint8数组的模运算，如图像。请参阅文章
    
      <a href="http://opencvpython.blogspot.in/2012/06/difference-between-matrix-arithmetic-in.html" rel="noreferrer">
        OpenCV中矩阵算法与Numpy的区别
      </A>
    
     了解更多。
  
  
    返回的轮廓是Numpy数组的列表。您可以在中找到有关轮廓的详细讨论
    
      <a href="http://opencvpython.blogspot.in/2012/06/hi-this-article-is-tutorial-which-try.html" rel="noreferrer">
        轮廓 - 1：入门
      </A>
    
    。
  
  
    的
      
        简而言之，使用cv2，一切都简化而且非常快。
      
    </强>
  
  
    关于NumPy如何加速的简单讨论
     <code>
 cv2
 </code>
     在Stack Overflow问题中
    
      <a href="https://stackoverflow.com/questions/9357696">
        OpenCV-Python接口，cv和cv2的性能比较
      </A>
    
    。
  
  
    的
      pyopencv
    </强>
    ：
  
  
    因为我没有使用它，所以我对此知之甚少。但似乎已停止进一步发展。
  
  
    我认为坚持官方图书馆会更好。
  
  
    的
      
        总之，我建议你使用cv2！
      
    </强>
  
  
    编辑：你可以看到的安装程序
     <code>
 cv2
 </code>
     模块
    
      <a href="http://opencvpython.blogspot.in/2012/05/install-opencv-in-windows-for-python.html" rel="noreferrer">
        在Windows中为Python安装OpenCV
      </A>
    
    。
  
</DIV>